Specification and Calibration Errors in Measures of Portfolio Credit Risk: The Case of the ASRF Model
Notice bibliographique
Résumé
This paper focuses on the asymptotic single-risk-factor (ASRF) model in order to analyze the impact of specification and calibration errors on popular measures of portfolio credit risk. Violations of key assumptions of this model are found to be virtually inconsequential, especially for large, welldiversified portfolios. By contrast, flaws in the calibrated interdependence of credit risk across exposures, caused by plausible small-sample estimation errors or rule-of-thumb values of asset return correlations, can lead to significant inaccuracies in measures of portfolio credit risk. Similar inaccuracies arise under standard assumptions regarding the tails of the distribution of asset returns. JEL Codes: G21, G28, G13, C15. We are indebted to Michael Gordy and Kostas Tsatsaronis for their encouragement and useful comments on an earlier version of this paper. We thank Klaus Düllmann, Wenying Jiangli, and participants at a BIS workshop, the 3rd International Conference on Credit and Operational Risk at HEC Montréal, and the 17th Annual Derivatives Securities and Risk Management Conference at the FDIC for insightful suggestions. We are also grateful to Marcus Jellinghaus for his valuable help with the data. The views expressed in this paper are our own and do not necessarily represent those of the Bank for International Settlements.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».